[en] DIRECTION FINDING TECHNIQUES BASED ON COMPRESSIVE SENSING AND MULTIPLE CANDIDATES

• Autor(a) principal: YUNEISY ESTHELA GARCIA GUZMAN
• Data de Publicação: 2018
• Tipo de documento: Outros
• Idioma: eng
• Título da fonte: Repositório Institucional da PUC-RIO (Projeto Maxwell)
• Texto Completo: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=35608@1; https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=35608@2; http://doi.org/10.17771/PUCRio.acad.35608
• topic: [pt] ESTIMACAO DE DIRECAO DE CHEGADA - DOA; [pt] ITERATIVE HARD THRESHOLDING - IHT - ALGORITHM; [pt] RECUPERACAO ESPARSA; [pt] COMPRESSED SENSING - CS; [pt] PROCESSAMENTO DE ARRANJOS DE SINAIS; [en] DIRECTION-OF-ARRIVAL ESTIMATION - DOA; [en] ITERATIVE HARD THRESHOLDING - IHT - ALGORITHM; [en] SPARSE RECOVERY; [en] COMPRESSED SENSING - CS; [en] SENSOR ARRAY SIGNAL PROCESSING

[pt] A estimação de direção de chegada (DoA) é uma importante área de processamento de arranjos de sensores que é encontrada em uma ampla gama de aplicações de engenharia. Este fato, juntamente com o desenvolvimento da área de Compressed Sensing (CS) nos últimos anos, são a principal motivação desta dissertação. Nesta dissertação, é apresentada uma formulação do problema de estimação de direção de chegada como um problema de representação esparsa da sinal e vários algoritmos de recuperação esparsa são derivados e investigados para resolver o problema atual. Os algoritmos propostos são baseados na incorporação da informação prévia sobre o sinal esparso no processo de estimativa. Na primeira parte, nos concentramos no desenvolvimento de dois algoritmos Bayesianos , que se baseiam principalmente no algoritmo iterative hard thresholding (IHT). Devido ao desempenho inferior dos algoritmos convencionais de estimação de chegada em cenários com fontes correlacionadas, nós prestamos atenção especial ao desempenho dos algoritmos propostos nesta condição. Na segunda parte, o problema de otimização baseados na minimização da norma l1 é apresentado e um algoritmo bayesiano é proposto para resolver o problema chamado basis pursuit denoising (BPDN). Os resultados da simulação mostram que os estimadores Bayesianos superam os estimadores não Bayesianos e que a incorporação do conhecimento prévio da distribuição do sinal melhorou substancialmente o desempenho dos algoritmos.